基于深度迁移学习的复杂机场场景飞机目标检测方法
摘要
提出了一种改进的深度学习模型，旨在解决检测问题。首先基于迁移学习，微调预训练模型，提高了模型在有限的飞机数据集中的特征提取能力。其次，融入调整模块以增加深层特征图的感受野，提升模型的鲁棒性。引入特征金字塔网络，融合不同尺度的特征信息，进一步增强多尺度特征提取能力。最后，优化了检测头，融合轻量化的分类和回归并行分支，平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集，并对所提方法进行了实验验证。结果表明，所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法，包括各类遮挡和夜间、雾天等复杂场景，具有良好的场景鲁棒性。
引用本文（GB/T 7714）
钟聃 ZHONG Dan, 李铁虎 LI Tiehu, 李诚 LI Cheng. 基于深度迁移学习的复杂机场场景飞机目标检测方法[J]. ACTA PHOTONICA SINICA, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。